近日，美国MD安德森癌症中心的研究团队在Nature Biotechnology发表了题为“Spatial charting of single-cell transcriptomes in tissues”的研究文章。该文章报道了一个被命名为CellTrek的计算工具，其能够根据scRNA-seq和ST数据直接将单细胞映射到组织切片的空间坐标上，更灵活、更直接地研究具有空间信息的单细胞数据。此外，在使用模拟和原位数据集对CellTrek进行了基准测试后，研究团队成功地将CellTrek应用于正常小鼠大脑和乳腺导管原位癌（DCIS）等样本数据中，进一步证明了CellTrek可以准确地绘制不同组织类型的单细胞，解决其空间组织解析问题。

CellTrek首先结合了ST和scRNA-seq数据集，通过共嵌入方法使其进入一个共享的特征空间。接下来，使用ST数据训练多元随机森林模型，并通过共享降维特征以预测空间坐标。利用训练出的模型推导出一个随机森林距离矩阵，并基于该矩阵使用阈值化后的相互最近邻生成稀疏点小区图。最后CellTrek从相邻点输出细胞的空间坐标。

图1. CellTrek工作流程图。来源：Nature Biotechnology

在使用模拟和原位数据集对CellTrek进行了基准测试后，研究团队将CellTrek应用到已发表的正常小鼠大脑的scRNA-seq和ST数据集（Visium, 10x Genomics）中。结果显示，CellTrek重建了清晰的神经元亚型的层状结构。与其他计算方法相比，CellTrek能准确地将细胞位置映射到组织学图像上，同时CellTrek方法的灵活性和一致性较高。

图2. CellTrek重建了小鼠脑组织的空间组织。来源：Nature Biotechnology

利用SCoexp（CellTrek下游分析模块），研究团队探索了基因在脑内L5区域细胞中进行空间共表达的过程，鉴定出有两个共表达式模块（K1，K2）富集了不同的生物学功能。具体而言，K1模块在细胞状态Hsd11b1-Endou、Whrn-Tox2中高度活跃，空间定位于外层；K2模块在Col27a1、Col6a1-Fezf2和Batf3中高度活跃，主要位于内层。上述结果表明，SCoexp能够识别同一细胞类型内细微的转录差异，并推断其拓扑异质性。 

图3. 空间共表达模块的识别。来源：Nature Biotechnology

接下来，研究团队使用CellTrek对来自乳腺导管原位癌的scRNA-seq和ST（Visium, 10x Genomics）数据进行了分析。研究团队首先通过细胞聚类和差异基因表达分析鉴定出scRNA-seq数据中五种主要的细胞类型，包括上皮细胞、内皮细胞、成纤维细胞、骨髓细胞和自然杀伤细胞。使用CopyKAT在scRNA-seq数据中推断细胞的拷贝数改变（CNAs），并结合CNAs信息对这些细胞进行聚类，得到3个主要的肿瘤亚克隆（Clone1-3）。

图4. 基于scRNA-seq的肿瘤亚克隆鉴定，来源：Nature Biotechnology

为了解三个肿瘤亚克隆体的空间分布，研究团队将CellTrek应用于scRNA-seq和ST数据中进行分析。结果显示，大多数肿瘤细胞均可映射到乳腺导管原位癌区域。此外，不同的肿瘤亚克隆映射到不同的导管区域，反映出肿瘤内广泛的空间异质性。

根据各导管的亚克隆组成，研究团队对其进行聚类分析并计算了Shannon指数，共得到4个亚克隆组成和空间格局不同的导管分类。综上所述，CellTrek可以绘制出乳腺导管原位癌组织中不同肿瘤亚克隆体及其表达程序的拓扑结构图。

图5. 乳腺导管原位癌空间亚克隆的异质性，来源：Nature Biotechnology

此外，研究团队使用CopyKAT分析了乳腺导管原位癌样本中3,748个单细胞和2,063个ST位点，并发现了一个非整倍体上皮细胞亚群。为研究肿瘤免疫微环境，研究团队集中分析了非整倍体细胞和来自scRNA-seq数据的免疫细胞，使用CellTrek将大部分非整倍体细胞映射到组织学定义的乳腺导管原位癌区域中，而免疫细胞则映射到了周围的导管和间质区域。分析显示，免疫细胞（包括T细胞、B细胞、髓系细胞和pDC细胞等）都富集在导管以外的区域。

结合CellTrek和组织染色结果，研究团队进一步对ST位点进行了三级淋巴样结构 （TLS）评分。结果显示，TLS评分高的ST位点通常对应混合免疫细胞富集的区域，ST-TLS评分与免疫细胞计数也呈显著正相关。上述结果表明，CellTrek能够基于scRNA-seq和ST数据重建空间肿瘤免疫微环境。

图6. 乳腺导管原位癌组织的空间肿瘤免疫微环境。来源：Nature Biotechnology